一文了解智能駕駛中的傳感器-4D 成像毫米波雷達

語言: CN / TW / HK

本文來自微信公眾號 “Vehicle”(ID:VehicleEngineering) ,作者:PirateJack/Ray.Z,36氪經授權發佈。

《 從小鵬P7事故看智能駕駛的最後一道防線AEB(自動緊急制動) 》 點出了當前影響智能駕駛以及AEB安全性能的因素其中很重要的一條是,傳感器的能力。例如當前毫米波雷達的侷限性,有很大的關係,無法感知靜止物體的感知,主要靠視覺攝像頭。而視覺感知就比較容易受環境光線以及AI樣本庫標記豐富度影響。

所以當前業內普遍認為,理論上,激光雷達和4D成像毫米波雷達,都可以識別出障礙物的輪廓、類別並進行感知和預判。如果在現有的輔助駕駛系統上能再結合激光雷達或者4D成像毫米波雷達,就可以一定程度上補齊視覺攝像頭和毫米波雷達的短板。

圖片來自《4D 成像毫米波雷達 - 101》一文

我在之前寫過智能駕駛傳感器激光雷達,攝像頭等系列傳感器文章,今天我們來分享下有關4D毫米波雷達的相關知識,試着去解答以下問題:

什麼是4D毫米波雷達,他為什麼叫4D和普通毫米波雷達有什麼不同?

他背後的技術方案是什麼樣的?,如何實現,當前主流的方案是?他的供應鏈有哪些?

當前有哪些品牌生產,價格怎麼樣?未來應用趨勢如何,能實現怎麼樣的功能?

希望能給大家帶來一些信息和啟發。

什麼是4D毫米波雷達,他為什麼叫4D和普通毫米波雷達有什麼不同?

雷達,是一種利用電磁波探測目標的電子設備。其基本原理是,雷達發射電磁波,電磁波到達目標後反射,雷達的接收器收到回波,由此獲得目標至電磁波發射點的距離、相對速度、方位等信息。

目前汽車毫米波雷達頻率分為24GHz(嚴格來説屬於釐米波雷達,但由於性能和毫米波雷達相似,通常歸為毫米波雷達), 77GHz至79GHz三種頻段。但是根據2021年12月發佈的《汽車雷達無線電管理暫行規定》中,要求加強汽車雷達無線電管理,將76-79GHz頻段規劃用於汽車雷達,同時規定不再受理和審批24.25-26.65GHz頻段車載雷達無線電發射設備型號核准申請。也就是説,今後的新增的汽車毫米波雷達,只有76GHz-79GHz的了。

毫米波雷達的頻率

77Ghz毫米波雷達分辨率相對高,抗干擾性能強,探測性能好,尺寸較小,是目前ADAS系統中不可或缺的傳感器。

當前汽車的毫米波雷達主要用於確定目標和發射點的距離、相對速度、方位等信息,所以汽車普通的雷達也叫3D毫米波雷達。4D 毫米波雷達之所以稱為 4D,是因為它不僅可以檢測物體的距離、相對速度和方位角(球座標系中的角度測量值),還可以檢測物體高於道路水平面的高度,這裏不代表高度是第四維(4D),其實時間是第四維。4D毫米波雷達利用時間來確定高度相關的信息。

4D毫米波成像雷達

市面上量產的77GHz雷達,返回的是被測目標的抽象圖像你可以認為就是一團深顏色的東西,他不像我們之前文章 《 智能駕駛要用多少個激光雷達?分別放在哪裏?什麼作用? 》 講的激光雷達能識別邊緣,所以它不能用於分類,無法把環境周邊靜態的東西,例如樹,圍欄等等與停放的車輛和人區分開來,因此在高速公路上,算法對靜態物體進行忽略,以防止車輛誤剎車。此外,對於自動駕駛來説,重要參數是識別和過濾誤報。

而4D毫米波雷達由於擁有立體探測能力和一定的邊緣輪廓識別,可以濾除假警報,提供最佳的靈敏度。雷達使用最低的檢測閾值,即使是最微弱的噪聲也能被報告出來。後處理和跟蹤用於過濾隨機噪聲,而校準方案允許達到極低的旁瓣水平。

4D毫米波雷達另外還能夠提供真實的路徑規劃,可以在300米以上的範圍內創建道路的詳細圖像(類似於激光雷達的點雲),捕捉和識別汽車周圍物體的大小(加上邊緣的識別,這也就是為啥有人叫4D成像雷達)、位置和速度數據,這也就是為啥很多人覺得他擁有部分激光雷達的功能。

他背後的技術方案是什麼樣的?如何實現,當前主流的方案是?他的供應鏈有哪些?

4D 成像雷達的底層原理和普通毫米波雷達底層技術類似,典型的雷達系統使用一組天線元件,每個元件都有一個寬波束。然後,他們可以通過稱為數字波束形成的過程以數字方式組合這些以創建窄波束陣列,從而提高最終圖像的分辨率。

3D 和 4D 雷達之間的區別在於這些天線元件的排列方式。3D 雷達系統具有水平排列的天線,而 4D 雷達具有水平和垂直排列的元件。

普通毫米波雷達對比4D毫米波雷達

4D 雷達與基於兩到三個發射天線和三到四個接收天線的傳統雷達解決方案不同,為了提高分辨率映射車輛周圍的環境, 4D 成像雷達利用多輸入多輸出 (MIMO) 多達48 天線陣列(未來可能更多)對其周圍環境進行高分辨率映射。 點雲數據輸出(表示對象的數據集)與寬方位仰角視場 (FOV) 相結合,可針對橋下交通堵塞等情況提供更準確的檢測和跟蹤。

毫米波雷達核心芯片供應鏈

毫米波激光雷達的一般核心零部件為收發器、一個內部數字信號處理器 (DSP) 和一個用於實時信號處理的微控制器單元 (MCU),還有信號模擬芯片等。

毫米波雷達發展路徑

4D毫米波雷達的技術和創新也是基於以上核心部件進行,當前共有三種主流技術,可以實現4D毫米波雷達的點雲功能:

第一種是MIMO芯片級聯。傳統毫米波雷達芯片供應商多采用基於77GHz/79GHz標準雷達芯片的多級聯方式,從而提升功率和角分辨率。

大陸博世採埃孚等傳統毫米波雷達供應商均採用這種方案的雷達芯片實現4D成像毫米波雷達。

這種方案的優點在於產線鏈和技術比較成熟,相對容易落地。弊端是雷達的尺寸大,不利於裝車,功耗特別大,散熱很難。另外由於這些方案往往需要採用更多的芯片硬件,成本也會比較高。主流tier 1的傳統毫米波雷達價格大約70-80美元,4D毫米波雷達的價格大約要到150-200美元。

第二種:通過將多發多收天線集中在一個芯片中,通過研發芯片組來實現上述功能。這種方案其實與芯片級聯類似,但是將天線,MMIC等進一步集成至芯片級別,可以將雷達進一步小型化。目前,該技術的代表公司主要有Ainstein、Arbe、Oculii、RFIsee、Vayyar、Aeres EM、Cognitive、Unhder等雷達新勢力。

Arbe公司基於格芯22FDX工藝自主開發的雷達芯片組解決方案—“Phoenix”,尺寸僅拇指大小。Arbe的4D成像雷達目前的價格在300-400美元,Arbe公司預計,隨着市場規模的擴大和供應鏈的成熟,未來可以降低到50美金左右。

第三種:通過使用自適應超材料來解決上述問題。所謂自適應超材料,是將智能化引入材料的結構中,以實現可編程功能。工程設計可以從被動形式轉變為主動形式,以利用動態和任意電磁(EM)波場來開發可編程的超表面。可以簡單理解為,這種材料能接受和響應外部信息,自動改變自身狀態,以適應外部環境變化。該技術的代表公司主要包括MetaWave、EchoDyne等。

這種方案的優勢是電路可以做到非常小,不過受限於上游超材料供應鏈基礎較弱,商業化仍有很長的時間要走。

當前有哪些品牌生產,價格怎麼樣?未來應用趨勢如何?

4D毫米波雷達算是3D毫米波雷達的升級版。與激光雷達相比,首先4D毫米波雷達的成本上僅為激光雷達的10%-20%,其次,激光雷達存在一個缺陷:容易受到雨霧天氣變化的影響。而4D成像雷達就算遇到下雨天氣,偵測範圍還是可以達到300米。 最後如我之前文章 《 通過廣州車展-看自動駕駛激光雷達 》 中介紹當前激光雷達主流為MEMS方案其實內部還是存在機械零部件所以,存在使用壽命等方面的擔心。

但是4D毫米波的點雲數量是遠少於激光雷達,僅僅相當於8-16線的早期激光雷達,當前激光雷達主流128線,所以從智能AI和精準性方面來看激光雷達有他獨特的優勢。

所以,4D毫米波雷達一方面可以逐步取代傳統的3D毫米波雷達,另一方面可以作為激光雷達的補充或替代,隨着自動駕駛技術的進一步發展,4D毫米波雷達的滲透率會逐漸增加。

4D毫米波雷達市場預測

根 據Yelo 的預測未來全球4D毫米波雷達的市場在2027年達35億美元。 據中金公司預計,至2025年中國車載4D成像雷達市場規模在悲觀、中性、樂觀情況下有望分別達到1.9億美元、3.6億美元、5.4億美元。

當前4D毫米波雷達供應商

當然這個賽道上也是擠滿了人,和汽車新能源一樣,傳統巨頭們都在做例如Continental、Bosch、Hella、Denso、Aptiv 和 Veoneer,還有不少新勢力殺入例如Ainstein、Arbe、Oculii、RFIsee、Vayyar、Aeres EM、Cognitive、Unhder。中國也不少,例如華為,華域,福瑞泰克,森思泰克,縱目。還有創業的楚航科技,威孚科技。

所以通過以上發現,其實4D毫米波雷達大批量應用的條件已經具備,可以預見,接下來會大批量出現在我們日常使用的汽車上面,也會推高當前智能駕駛汽車的功能和安全體驗,助力智能汽車的發展。

智能駕駛傳感器中的毫米波雷達,擅長測量距離和速度,並且具有良好的距離和速度分辨率。與其他傳感器相比,雷達在夜間運行,在惡劣天氣條件下的影響最小。

而且有聲稱雷達是汽車上僅次於超聲波傳感器的第二便宜的傳感器,基於這些優點的存在,所以雷達的技術發展和應用在智能駕駛上不斷的推進。

智能駕駛傳感器價格預估

如上文所講,目前毫米波雷達的推進方向在提高角度分辨率成為4D毫米波雷達,繼續推進提供接近相機圖像的數據叫做4D毫米波成像雷達,可以實現和視覺 《視覺為王-小鵬以及特斯拉的自動駕駛方案》 那樣的AI 算法的應用。

目前4D毫米波的技術路徑,主要是增加天線通道,也就是收和發的數量來實現感知數據的豐富。所以理論上來講感知的收發數據越多,數據越豐富準確,當然信息處理量也越大。

毫米波雷達的推進方向

Mobileye的宣稱未來高達幾千的通道雷達,可以用於點雲等AI人工智能算法,可以識別超過上千目標物。當然他要替代激光雷達有難度畢竟由於其使用波的長度問題,波長長,分辨率低,邊緣信息肯定沒有激光雷達豐富準確。

傳感器波長與成像清晰度之間的關係

所以當前4D毫米波雷達的創新基本就集中在如何擁有更多的感知通訊通道,如何處理好這些信號得出想要的信息,目前主流技術鏈如下:

4D毫米波雷達核心技術鏈

  • 將標準雷達芯片(恩智浦,德州儀器等)進行多芯片級聯,以增加天線數量,通過軟件處理創新來達到4D的效果,傳統巨頭們大陸、博世,還有華為等國內公司。

  • 將多發多收天線集成在一顆芯片,直接提供成像雷達芯片,比如Arbe、Vayyar,mobileye,uhnder等。

  • 最難的是通過超材料研發新型雷達架構天線陣列,代表廠家有Metawave,等。

標準雷達芯片進行多芯片級聯,以增加天線數量,這是當前主流傳統勢力基的方案基本上來自於以下三個供應商的技術方案:

  • 基於德州儀器AWR系列芯片前端收發,利用TDA2X系列芯片處理.

  • 恩智浦的TEF 系列芯片前端收發,S32R系列芯片處理.

  • 賽靈思FPGA芯片方案。

採用2發/4收 或 3發/4收,大概45nm的芯片的基礎方案進行級聯,增加通道。

MIMO多芯片級聯

當前此類芯片企業都在打造開發生態,底層軟件開發很完備,工具鏈做的很容易上手,使更多的人容易利用和開發,例如之前講的 《 Nvidia英偉達的 AI 智能汽車信仰 》 ,這些芯片供應商的毫米波雷達芯片也例外,這就催生了數量眾多的國內初創毫米波雷達企業,有傳言説華為的雷達方案也使用以上方案,如果是這樣的話,這次任老爺子説的寒冬來了,這些業務就裁撤掉吧,先不説能不能賺到錢,賺到錢之後也和手機一樣命門在別人手上,何必呢。

當然作為傳統的博世,大陸,採埃孚等老牌T1其實他們的並非就是用芯片而已,他們對於汽車產業的know how ,使他們能夠給雷達芯片提出精準需求,也是催生了芯片行業的發展。

另外還有創新勢力Oculii,他背後是安霸芯片,他基於德州儀器以及英飛凌的芯片方案,使用 SLAM 風格的機制處理獲取的數據。目標是比較多個雷達幀,以構建比任何單個幀都更詳細和準確的環境圖片。Oculii 的軟件還使用 ML機器學習/DL深度學習技術來調整發射信號參數以適應特定的道路環境,號稱通過其算法可以最大100倍的性能提升。

另外傳統雷達的主角英飛凌也在發力,趕上。

將多發多收天線集成在一顆芯片,這個基本上又是一個芯片設計和創新的技術了,目前4D 毫米波雷達的創新新勢力就集中在此部分。

將多發多收天線集成在一顆芯片

目前有Arbe的收發器具有 24TX/12RX 通道配置。它需要使用 Global Foundries 的新型 FDSOI CMOS 22FDX 技術,該技術比某些採用 22 納米技術的 CPU 更復雜。Arbe 還製造了一個處理芯片,可以實時管理多達 48 個 Rx 通道和 48 個 Tx 通道,每秒生成 30 幀的全 4D 圖像,等效處理吞吐量為 3 Tb/sec。

另一個硅芯片神童,Vayyar 的 他有 72 個發射通道和 72 個接收通道,形成了 2000 多個虛擬通道。它是真正的成像雷達,可生成高分辨率物體的 3D 圖像。當這麼多通道的時候,能耗成了他的限制。開發人員必須通過限制雷達的峯值輸出功率等方式,為這麼多通道提供可接受的隔離水平。因此,Vayyar 專注於車載監控應用和短程雷達案例。

Uhnder,它的產品是一款 28 nm ,具有 12TX/16RX 通道收發器,在單片硅片上帶有 CPU、DSP、內存和接口。這些數字不應直接與競爭對手進行比較。Uhnder 使用自己的軟件來實現帶數字編碼調製 (DCM) 的相位調製連續波形 (PMCW),而不是更常見的頻率調製連續波形 (FMCW) 方法。它還有助於通過使用幾乎獨特的相位編碼探測信號來消除相互的雷達干擾。

Mobileye,背靠英特爾的芯片技術,配備基於 48 x 48 發射和接收的 2,304 個虛擬通道,基於調頻連續波 (FMCW) 技術和多普勒式算法來實現感知。

所以毫米波雷達也走上了類似於攝像頭和激光雷達那種智能AI卷參數的道路,4D毫米波卷通道數量,卷信號處理,卷算法以及處理單元能力,智能AI道路。但其實在智能AI的世界應用裏面,感知通道,信號處理,算法處理都是基於成本,能耗,物體體積的藝術應用,需要平衡應用,例如感知夠強,但算法和數據標準跟不上也是浪費。

所以作為開發和消費者都沒必要去追求參數的強勁,還需要看療效,目前應用4D毫米波先鋒的是寶馬的IX。

參考文章以及圖片

Towards ADAS to Imaging radar for automotive market and technology trends - yelo

what-is-4d-imaging-radar - aptiv

arbe投資者報告 - Arbe

安霸資本市場日 - 安霸

ADAS & Driver Replacement: NXP Radar Solutions - nxp

NXP Full Radar Product Overview - TRX Update and S32R Radar Family -nxp

Radar for automotive 2022 - yole

Uhnder White Paper - uhnder

A_Machine_Learning_Perspective_on_Automotive_Radar - JONAS FUCHS 等

毫米波雷達傳感器基礎知識 - TI